iT邦幫忙

時間序列相關文章
共有 20 則文章
鐵人賽 AI & Data DAY 24

技術 【Day24-序列】時間序列型資料的基本處理——以0050股票價格為例:尋找峰值、移動平均、曲線擬合

前面我們雖然有講到除了基本的數值類型資料以外,一共主要會有文字、圖片、聲音這三大類型,而在數值類型的資料裡面還有一種特別的類型是(時間)序列型的資料 今日範例-...

鐵人賽 AI & Data DAY 13

技術 [Day13] 以神經網絡進行時間序列預測 — GRU

今天介紹使用 GRU 進行時間序列預測,一樣採用我們最愛的股價資料集!! 今日大綱 GRU 介紹 門控機制 與 LSTM 比較 實作注意事項 GRU...

鐵人賽 AI & Data DAY 12

技術 [Day12] 以神經網絡進行時間序列預測 — LSTM

本篇詳細介紹 LSTM 及如何以 LSTM 建模預測時間序列。 本日大綱 LSTM 介紹 LSTM 元件構成 LSTM 的分類 實作注意事項 資料集介...

鐵人賽 AI & Data DAY 11

技術 [Day11] 以神經網絡進行時間序列預測 — RNN

本篇詳細介紹 RNN 並使用它進行時間序列預測 本日大綱 RNN 介紹 激活函數 RNN 的分類 時間序列預測實作 資料集介紹/目標 套件導入 資料前...

鐵人賽 AI & Data DAY 10

技術 [Day10] 以深度學習進行時間序列預測 — 概論

介紹完機器學習預測時間序列,接著連續幾篇要進入到深度學習的範疇。 我們會提到在時間序列預測的命題上,深度學習和機器學習的不同、優化的邏輯,並且整理有哪些神經網絡...

鐵人賽 AI & Data DAY 9

技術 [Day9] 機器學習進行時間序列預測及注意事項(下)

(資料更新中,會盡快補上缺漏部分) 上集我們說明了迴歸分析和時間序列分析的差異、訓練時的注意事項;下集我們就來進行 Python 實作示範。 我們會對同一份資料...

鐵人賽 AI & Data DAY 8

技術 [Day8] 機器學習進行時間序列預測及注意事項(上)

(資料更新中,會盡快補上缺漏部分) 第八篇我們進到機器學習的範疇。 說到用機器學習模型做時間序列預測,一定馬上想到把它當成迴歸問題對吧;不過呢,雖然時間序列預測...

鐵人賽 AI & Data DAY 6

技術 [Day6] 多變量時間序列預測的鼻祖:向量自迴歸模型 (VAR)

第六篇我們要對之前提過的 AR model (AutoRegressive model) 做一個延伸,那就是「VAR (Vector Autoregressio...

鐵人賽 AI & Data DAY 5

技術 [Day5] Holt's Model 介紹

第四篇我們介紹了時間序列經典的統計預測方法 ARIMA,包含公式內的兩大模型 AR model、MA model,如何選擇參數 d, p, q,以及自動化的參數...

鐵人賽 AI & Data DAY 4

技術 [Day4] 時間序列預測界的 OG:白話解釋 ARIMA 組成模型及步驟

(努力更新、連載中) 前一篇我們盤點、簡述了所要介紹的時間序列預測統計模型,第四篇我們要重點認識統計模型的經典、時間序列預測界的 OG(元老)—— ARIMA...

鐵人賽 AI & Data DAY 3

技術 [Day3] 經典時間序列預測方法盤點

第一篇記錄了時間序列屬性,將趨勢、季節性等元素拆解、分別畫出圖表;第二篇則介紹時間序列轉換方法,透過縮放,讓資料分布更趨於常態,讓我們更好觀察時序的類型。從第三...

鐵人賽 AI & Data DAY 2

技術 [Day2] 時間序列資料轉換方法

昨天講了時間序列的 4 大屬性拆解,今天我們介紹三種時間序列資料的轉換方式,它的目的是能夠讓隱藏在時序中的規律可以更容易的被觀察。 首先上公式和概念: Powe...

鐵人賽 AI & Data DAY 1

技術 Dynamic Time Warping (DTW)

DTW 是什麼 當要計算時間序列資料的相似程度時,我們可以使用不同的距離計算方式。DTW就是其中一種距離方式計算,他的優勢在於: 可以比較長度不同的資料:在...

鐵人賽 AI & Data DAY 1

技術 [Day1] 時間序列分析:時間序列資料屬性拆解

歡迎來到【時間序列分析與預測方法大全】第一篇! 本篇我們會介紹時間序列資料所包含的屬性。先對資料特性有基本認識後,進入到方法和模型時才不會對各種名詞產生問號哦~...

鐵人賽 影片教學 DAY 28
R語言-預測方法大全 系列 第 28

技術 [Day-28] 預測操作--SARIMA&斷點 (break points in r)

您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤,還請留言指正,謝謝您的指教 #影片程式碼 library(strucchange) #找斷點 librar...

鐵人賽 影片教學 DAY 27
R語言-預測方法大全 系列 第 27

技術 [Day-27] 預測操作--SARIMA模型預測 (SARIMA model in r)

您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤,還請留言指正,謝謝您的指教 #影片程式碼 #延續DAY26 p<-forecast(fit,3,la...

鐵人賽 影片教學 DAY 26
R語言-預測方法大全 系列 第 26

技術 [Day-26] 預測操作--SARIMA模型建立&診斷 (diagnose SARIMA model in r)

您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤,還請留言指正,謝謝您的指教 #影片程式碼 #延續DAY25 fit <- arima(時序格式 ,o...

鐵人賽 影片教學 DAY 25
R語言-預測方法大全 系列 第 25

技術 [Day-25] 預測操作--SARIMA前提&參數調整 (SARIMA tuning in r)

您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤,還請留言指正,謝謝您的指教 #影片程式碼 #延續DAY24 #穩定檢測 adf.test(時序格式) la...

鐵人賽 影片教學 DAY 24
R語言-預測方法大全 系列 第 24

技術 [Day-24] 預測操作--時間序列簡介 (time series in r)

您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤,還請留言指正,謝謝您的指教 #影片程式碼 library(forecast)#AUTO-ARIMA lib...

鐵人賽 AI & Data DAY 29

技術 Day 29 : 隨機過程 -- 時間序列

今天要介紹的是時間序列,它是一個隨時間變化的隨機過程,通常是在固定的時間區間上進行分析,例如每天的溫度和降雨量,每月的失業率以及年收入都是時間序列的一種,而分析...